Nessa análise utilizaremos dados coletados pelo #MeRepresenta. Esses dados contém informações de 890 candidatas e candidatos cadastrados em 244 cidades, 24 estados e de todos os partidos se manifestando em relação às pautas de igualdades de gênero, racial e orientação sexual.

A partir desses dados, poderemos responder os questionamentos feitos nessa análise.

Existe algum candidato que se posiciona a favor do respeito à identidade de gênero de pessoas trans e contra a adoção por famílias LGBTs?

Para facilitar nossa visualização, criei as seguintes categorias: SS, SN, NS e NN. Onde o primeiro símbolo (S ou N) representa a posição com relação ao respeito à identidade de gênero de pessoas trans, que pode ser positiva (S) ou negativa (N), e o segundo com relação a adoção por famílias LGBTs, que segue a mesma lógica.

library(plotly)
respostas_LGBT <- respostas %>% 
    mutate(comparacao = case_when((`Respeito à identidade de gênero de pessoas trans` == "S" & `Adoção por famílias LGBTs` == "S") ~ "SS",
                                  (`Respeito à identidade de gênero de pessoas trans` == "S" & `Adoção por famílias LGBTs` == "N") ~ "SN",
                                  (`Respeito à identidade de gênero de pessoas trans` == "N" & `Adoção por famílias LGBTs` == "S") ~ "NS",
                                  (`Respeito à identidade de gênero de pessoas trans` == "N" & `Adoção por famílias LGBTs` == "N" ~ "NN")))
p <- ggplot(data = respostas_LGBT, aes(x = comparacao, fill=cor_tse))+
    geom_bar(stat="count") +
    scale_x_discrete("Categoria") +
    scale_fill_discrete(guide = guide_legend(title = "Cor"))
ggplotly(p)
We recommend that you use the dev version of ggplot2 with `ggplotly()`
Install it with: `devtools::install_github('hadley/ggplot2')`

Observação: Ao clicar duas vezes em cima da cor, ao lado direito, o gráfico é alterado para conter apenas as informações referentes ao determinado gênero. Além disso, é possível dar zoom em qualquer área do gráfico

Observando o gráfico, percebemos que a grande maioria (706 candidatos) se posicionam a favor dos dois temas. Porém, para responder a pergunta iremos focar nas categorias SN e NS.

Fica claro que existem candidatos que são contra um tema e a favor do outro, o que me surpreendeu, mesmo que os números não sejam tão altos. Sendo que a maioria (76 candidatos), nesses casos, se posiciona contra o respeito à identidade de gênero de pessoas trans, o que não nos espanta, mas é bastante lamentável. Já 14 candidatos se posicionam contra a adoção por famílias LGBTs e a favor do respeito à identidade de gênero de pessoas trans.

Os partidos dos candidatos que votam contra esses temas são geralmente partidos que possuem ideologias de direita?

partidos <- respostas_LGBT %>% 
    filter(comparacao == "NN" | comparacao == "NS" | comparacao == "SN")
a <- ggplot(data = partidos)+
    geom_count(stat="count", aes(x = sigla_partido, color = comparacao))+
    coord_flip() +
    scale_x_discrete("Sigla do partido") +
    scale_y_discrete("Quantidade de votos") +
    scale_color_discrete(name = "Categoria")
ggplotly(a)
We recommend that you use the dev version of ggplot2 with `ggplotly()`
Install it with: `devtools::install_github('hadley/ggplot2')`

rm(partidos)
rm(a)

Ao contrário do que eu imaginei, houveram candidatos de partidos com ideologias diferentes. O partido REDE foi o que mais se destacou, sendo 1 voto SN, 1 voto NN e 7 votos NS.

Quem é contra o estado laico geralmente é contra a descriminalização do aborto?

contra_estado_laico = respostas %>% 
    filter(`Estado Laico` == "N")
e <- ggplot(data = contra_estado_laico, aes(x = `Descriminalização do aborto`, fill=genero))+
        geom_bar(stat="count")
ggplotly(e)
We recommend that you use the dev version of ggplot2 with `ggplotly()`
Install it with: `devtools::install_github('hadley/ggplot2')`

NA

Aqui, recolhemos os dados apenas dos candidatos que se posicionaram contra o estado laico. Fica claro que, quem é contra o estado laico geralmente é contra de descriminalização do aborto também. Ainda nesses casos, a proporção de mulheres que é contra a descriminalização do aborto é menor (31%) do que as são a favor (44%).

Agora vamos responder a seguinte pergunta: os candidatos que são contra o estado laico e contra a descriminalização do aborto, em geral, pertencem a partidos cristãos?

data_filtered = contra_estado_laico %>% 
    filter(`Descriminalização do aborto` == "N") 
ggplot(data = data_filtered, aes(x = sigla_partido, fill=genero))+
        geom_bar(stat="count") +
    coord_flip()

A hipótese da pergunta não foi confirmada com os resultados do gráfico, pois há candidatos de diversos partidos.

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